本研究探讨大型语言模型（LLMs）在检测冒犯性语言时的人类注释分歧，发现LLMs对分歧样本的信心与人类一致性相关，为改进检测提供指导。

本研究提出了一种新颖的内容审核框架，针对注释分歧问题，将其视为重要信号。该框架结合多任务学习与符合性预测，提升了模型性能和审核效率。